Suomen kansallisten päästö-vähennystoimien epävarmuuksien ja riskien arviointi

(1)

• • • VTT WORKING PAPERS 165 SUOMEN KANSALLISTEN PÄÄSTÖVÄHENNYSTOIMIEN EPÄVARMUUKSIEN JA...

ISBN 978-951-38-7512-1 (URL: http://www.vtt.fi/publications/index.jsp) ISSN 1459-7683 (URL: http://www.vtt.fi/publications/index.jsp)

Aira Hast, Tommi Ekholm & Ilkka Savolainen

Suomen kansallisten päästö-

vähennystoimien epävarmuuksien ja riskien arviointi

VTT Working Papers

152 Timo Laakso, Ian Baring-Gould, Michael Durstewitz, Robert Horbaty, Antoine Lacroix, Esa Peltola, Göran Ronsten, Lars Tallhaug & Tomas Wallenius. State-of- the-art of wind energy in cold climates. 2010. 69 p.

153 Teemu Tommila, Juhani Hirvonen & Antti Pakonen. 2010. Fuzzy ontologies for retrieval of industrial knowledge – a case study. 54 p. + app. 2 p.

154 Raili Alanen. Veneiden uudet energiajärjestelmät. 2010. 86 s.

155 Maija Ruska, Juha Kiviluoma & Göran Koreneff. Sähköautojen laajan käyttöönoton skenaarioita ja vaikutuksia sähköjärjestelmään. 2010. 46 s.

156 Jussi Lahtinen, Kim Björkman, Janne Valkonen, Juho Fritz & Ilkka Niemelä. Analysis of an emergency diesel generator control system by compositional model checking.

MODSAFE 2010 work report. 2010. 35 p.

157 Tero Sundström, Ari Kevarinmäki, Stefania Fortino & Tomi Toratti. Shear resistance of glulam beams under varying humidity conditions. 2011. 125 p. + app. 12 p.

158 Hannes Toivanen. From ICT towards information society. Policy strategies and concepts for employing ICT for reducing poverty. 2011. 38 p. + app. 1 p.

161 Sebastian Teir, Toni Pikkarainen, Lauri Kujanpää, Eemeli Tsupari, Janne Kärki, Antti Arasto & Soile Aatos. Hiilidioksidin talteenotto ja varastointi (CCS).

Teknologiakatsaus. 2011. 106 s. + liitt. 6 s.

162 Mikael Haag, Tapio Salonen, Pekka Siltanen, Juha Sääski & Paula Järvinen. Työ- ohjeiden laadintamenetelmiä kappaletavaratuotannossa. Loppuraportti. 2011. 40 s.

163 Marko Nokkala, Kaisa Finnilä, Jussi Rönty & Pekka Leviäkangas. Financial performance of Finnish technical networks. 2011. 56 p. + app. 90 p.

164 Jussi Rönty, Marko Nokkala & Kaisa Finnilä. Port ownership and governance models in Finland. Development needs & future challenges. 2011. 104 p.

165 Aira Hast, Tommi Ekholm & Ilkka Savolainen. Suomen kansallisten päästö- vähennystoimien epävarmuuksien ja riskien arviointi. 2011. 44 s. + liitt. 3 s.

166 Mustafa Hashmi. Survey of smart grids concepts worldwide. 2011. 74 p.

167 Aimo Tiilikainen, Kyösti Pennanen & Maarit Heikkinen. Tulevaisuuden elintarvikepakkaus. Kvantitatiivinen kuluttajatutkimus pakkausprototyyppien ja kaupallisten verrokkituotteiden eroista. 2011. 36 s. + liitt. 8 s.

168 Pekka Leviäkangas, Anu Tuominen, Riitta Molarius & Heta Kajo (Eds.). Extreme weather impacts on transport systems. 2011. 119 p. + app. 14 p.

169 Luigi Macchi, Elina Pietikäinen, Teemu Reiman, Jouko Heikkilä & Kaarin Ruuhilehto.

Patient safety management. Available models and systems. 2011. 44 p. + app. 3 p.

(2)

ISBN 978-951-38-7512-1 (URL: http://www.vtt.fi/publications/index.jsp) ISSN 1459-7683 (URL: http://www.vtt.fi/publications/index.jsp)

JULKAISIJA – UTGIVARE – PUBLISHER VTT, Vuorimiehentie 5, PL 1000, 02044 VTT puh. vaihde 020 722 111, faksi 020 722 4374 VTT, Bergsmansvägen 5, PB 1000, 02044 VTT tel. växel 020 722 111, fax 020 722 4374

VTT Technical Research Centre of Finland, Vuorimiehentie 5, P.O. Box 1000, FI-02044 VTT, Finland phone internat. +358 20 722 111, fax + 358 20 722 4374

(3)

Julkaisun sarja, numero ja raportti- koodi

VTT Working Papers 165 VTT-WORK-165

Tekijä(t)

Aira Hast, Tommi Ekholm, Ilkka Savolainen Nimeke

Suomen kansallisten päästövähennystoimien epävarmuuksien ja riskien arviointi

Tiivistelmä

Suomen tavoitteena on EU:n taakanjakopäätöksen (406/2009/EY) mukaisesti vähentää kansallisia kasvi- huonekaasupäästöjä 16 % vuoden 2005 tasosta vuoteen 2020 mennessä. Tavoitteen saavuttamiseksi on toteutettava päästövähennystoimia ja työssä tarkastellaan, miten tavoite voidaan saavuttaa mahdollisimman pienin kustannuksin. Päästövähennyskeinoilla saavutettavien päästövähennysten määrään ja niiden kustannuksiin liittyy epävarmuutta, minkä vuoksi toteutettavista päästövähennyskeinoista koostuvalla portfoliolla on riski ylittää asetettu tavoite tai ennalta arvioidut kustannukset.

Työssä muodostettiin stokastinen optimointimalli, jonka avulla etsittiin kokonaiskustannukset minimoivia, itsenäisistä päästövähennyskeinoista ja niiden aloitusajankohdista koostuvia portfolioita eri päästövähennys- tasoilla. Portfolioilla saavutettaviin päästövähennyksiin ja kustannuksiin liittyviä epävarmuuksia tutkittiin tilanteissa, joissa päästövähennykset tulee tehdä joko kansallisin vähennystoimin tai voidaan lisäksi käydä muiden jäsenmaiden kanssa kauppaa päästökiintiöillä. Tuloksista havaittiin, että kokonaiskustannukset olivat noin 10 % pienempiä, mikäli ei-PKS-päästökauppaa voitiin käydä, mutta kustannuksiin liittyvät riskit olivat huomattavasti suuremmat. Lisäksi työssä tutkittiin, millaiset keinot sisältyvät tehokkaisiin portfolioihin ja milloin ne on optimaalista toteuttaa. Tuloksista erottuivat keinot, jotka toteutuivat lähes aina ja keinot, joita tehokkaissa portfoliossa toteutetaan erittäin harvoin. Tämä johtuu siitä, että kokonaiskustannusten minimoinnin vuoksi valitaan toteutettavaksi keinoja, joiden marginaaliset vähennyskustannukset ovat mahdollisimman pieniä. Jos ei-PKS-päästökauppaa ei voida käydä, nousevat marginaaliset vähennyskustannukset päästövä- hennysten määrän funktiona. Toisaalta jos ei-PKS-päästökauppaa voidaan käydä, voidaan estää marginaa- listen vähennyskustannusten kasvu siten, ettei se ylitä päästökiintiön hintaa. Tällöin päästökiintiöillä käytävä kauppa muuttaa toteutettavaksi valittujen keinojen joukkoa. Lisäksi toimien aloitusajankohta muuttuu, koska mallissa kustannusten minimointi tehdään niiden nykyarvon perusteella. Eri tilanteita vastaaville optimiportfo- lioille tehtiin herkkyysanalyysi tutkimalla erikseen kustannuksia ja saavutettavia päästövähennyksiä. Molem- missa tilanteissa portfoliolla saavutettavien päästövähennysten epävarmuuteen vaikuttivat eniten samat tekijät, mutta kustannuksiin vaikuttavat tekijät olivat erilaiset eri tilanteissa.

ISBN

978-951-38-7512-1 (URL: http://www.vtt.fi/publications/index.jsp)

Avainnimeke ja ISSN Projektinumero

VTT Working Papers

1459-7683 (URL: http://www.vtt.fi/publications/index.jsp)

72176

Julkaisuaika Kieli Sivuja

Huhtikuu 2011 Suomi, engl. tiiv. 44 s. + liitt. 3 s.

Projektin nimi Toimeksiantaja(t)

Suomen kansallisen kiintiön päästötavoitteet ja metsänielut – valmistautuminen EU:n ilmasto- ja energiapaketin sekä kansainvälisen ilmastopolitiikan edelleenkehittämiseen

Ympäristöministeriö

Avainsanat Julkaisija Climate change mitigation, non-emission trad-

ing sector, stochastic optimization VTT

PL 1000, 02044 VTT Puh. 020 722 4520 Faksi 020 722 4374

(4)

Series title, number and report code of publication

VTT Working Papers 165 VTT-WORK-165

Author(s)

Aira Hast, Tommi Ekholm, Ilkka Savolainen Title

Assessment of uncertainties and risks of national greenhouse gas abatement actions in Finland

Abstract

According to the Decision (406/2009/EC) of the European Parliament and of the Council of 23 April 2009 Finland should reduce greenhouse gas (GHG) emissions in non-trading sectors (non-ETS) at least 16 % below 2005 levels by 2020. In order to meet this target Finland has to implement GHG abatement activities. A situation where mitigation costs should be as low as possible is studied in this report. To minimize the costs, mitigation activities with the best cost-efficiency should be chosen when forming optimal abatement portfolios. However, the amount of GHG reductions and costs are uncertain with every abatement activity and therefore portfolios involve risks to reduce emissions less than predicted or cause higher costs than estimated beforehand.

The objective of this study is to build portfolios which fulfil the reduction target. Each portfolio consists of activities that are chosen to be implemented in the examined timeline 2010–2020 and also the year they will be implemented. In this study abatement activities are chosen among 17 independent mitigation actions. To form an optimal portfolio for different levels of GHG reductions, a stochastic optimization model is built. To meet the reduction target the Member States of EU can trade their non-ETS allocations. Two cases are compared to each other in this study. In the first case the Member States have to meet the target by national mitigation actions, and in the second case the Member States can also trade non-ETS allocations in 2020. Comparison is made by examining how the costs, reductions gained by national mitigation actions and uncertainties related to them differ from each other in these two cases. The results prove that overall costs are approximately 10 % lower when the Member States can trade allocations. On the other hand, when trading allocations is possible, the risk to exceed the expected costs increases. The results show also that some abatement actions are chosen nearly always while other actions are chosen extremely seldom. This is because minimization of overall costs causes abatement actions with lowest marginal abatement costs to be chosen. The possibility of trading allocations changes the set of implemented actions and postpones their optimal timings because optimization is done by minimizing the present value of overall costs. Sensitivity analysis is performed for cost minimizing portfolios in different cases so that overall costs and gained reductions are studied separately. Uncertainty in gained reductions is caused by the same sources in both cases. Yet, the variables causing uncertainty in costs are somewhat different in different cases.

ISBN

978-951-38-7512-1 (URL: http://www.vtt.fi/publications/index.jsp)

Series title and ISSN Project number

VTT Working Papers

1459–7683 (URL: http://www.vtt.fi/publications/index.jsp)

72176

Date Language Pages

April 2011 Finnish, Engl. abstr. 44 p. + app. 3 p.

Name of project Commissioned by

Emission targets in the EU and forest sinks - preparation for future EU and international climate policy

Ministry of the Environment

Keywords Publisher Climate change mitigation, non-emission trad-

ing sector, stochastic optimization VTT Technical Research Centre of Finland P.O. Box 1000, FI-02044 VTT, Finland Phone internat. +358 20 722 4520 Fax +358 20 722 4374

(5)

Alkusanat

Tässä työssä tarkastellaan päästökauppaan kuulumattomien sektoreiden päästövähen- nystoimiin ja niiden kustannuksiin liittyviä epävarmuuksia ja riskejä Suomen kannalta.

Lisäksi tutkitaan, miten jäsenmaiden välinen päästökiintiöillä käytävä kauppa vaikuttaa työssä saatuihin tuloksiin.

Tutkimus toteutettiin toukokuussa 2010–helmikuussa 2011 osana ympäristöministe- riön VTT:ltä tilaamaa tutkimushanketta ”Suomen kansallisen kiintiön päästötavoitteet ja metsänielut – valmistautuminen EU:n ilmasto- ja energiapaketin sekä kansainvälisen ilmastopolitiikan kehittämiseen”. Työn toteutti tutkimusharjoittelija Aira Hast tutkija Tommi Ekholmin ja tutkimusprofessori Ilkka Savolaisen ohjauksessa. Ympäristöminis- teriöstä työtä ohjasivat neuvotteleva virkamies Magnus Cederlöf, ympäristöneuvos Jaakko Ojala ja neuvotteleva virkamies Harri Laurikka.

(6)

Sisällysluettelo

Alkusanat ... 5

1. Johdanto ... 7

2. Menetelmät ... 9

3. Päästölähteet ja -vähennyskeinot ... 13

3.1 Liikenne ... 13

3.2 Lämmitys ... 15

3.3 Jätehuolto ... 16

3.4 Maatalous ... 17

3.5 Työkoneet ... 18

3.6 F-kaasut ... 19

3.7 Energian hintaennusteet ... 19

4. Tulokset ... 21

4.1 Optimaaliset portfoliot ominaisuuksineen, kun huomioituna vain ajalliset joustot... 22

4.2 Optimaaliset portfoliot ominaisuuksineen ei-PKS-päästökaupan tilanteessa ... 30

4.3 Jäsenmaiden välisten joustojen vaikutukset ... 32

4.4 Herkkyystarkastelu ... 35

5. Yhteenveto ... 38

Lähdeluettelo ... 43 Liitteet

Liite A: Mallin muuttujien jakaumat

(7)

1. Johdanto

Euroopan parlamentti hyväksyi 17.12.2008 EU:n energia- ja ilmastopaketin, jonka mukaan Euroopan Unioni on sitoutunut vähentämään päästöjään vuoteen 2020 mennessä 20 % vuoden 1990 tasosta (EU:n energia- ja ilmastopaketti). Suomi on sitoutunut vä- hentämään päästökaupan ulkopuolisilla sektoreilla päästöjään 16 % vuoden 2005 pääs- töistä vuoteen 2020 mennessä (Päätös 406/2009/EY). Päästöjen tulee vähentyä lineaarisesti kohti vuoden 2020 tavoitetta, jolloin vuosille 2013–2020 muodostuu vuotuinen tavoitteellinen päästötaso (EU:n energia- ja ilmastopaketti). Tässä työssä tarkastellaan Suomen päästökauppaan kuulumattomien sektoreiden (ei-PK-sektorit) päästövähennys- keinoja sekä niiden kustannuksia ja epävarmuuksia, kun päästöjä vähennetään Suomen EU:n tavoitteen mukaisesti.

Päästötavoitteen saavuttamiseksi voidaan kansallisten päästövähennyskeinojen toteut- tamisen lisäksi käyttää myös joustomekanismeja. Jäsenmaa voi siirtää omaan käyttöön- sä käyttämättä jääneet päästöoikeudet tulevia vuosia varten tai tasapainottaa päästöjen vuosivaihtelua siirtämällä päästöjä seuraavalle vuodelle määrän, joka vastaa viittä prosenttia kyseisen vuoden päästökiintiöstä. Ajallisten joustojen lisäksi jäsenmaa voi hyö- dyntää päästötavoitteensa saavuttamisessa sekä Kioton sopimuksen alaisia CER- ja ERU-päästövähennysyksiköitä että jäsenmaiden välistä päästökauppaa ei-PK-sektorin päästökiintiöillä (Päätös 406/2009/EC). Jälkimmäisessä jäsenmaa, jolla toteutuvat pääs- töt jäävät sille määrätyn päästökiintiön alle, voi myydä ylimääräisiä päästöoikeuksia muille jäsenmaille, jotka voivat siten korvata päästökiintiönsä ylityksen. CER- ja ERU- yksiköiden käyttö on rajattu vuosittain enintään kolmen prosentin tasolle jäsenmaan vuoden 2005 päästöistä. Tässä työssä on lähtökohtaisesti tarkasteltu ei-PK-sektorin kiin- tiöiden päästökauppaa jäsenmaiden välillä.

Työssä tarkasteltavia päästökaupan ulkopuolisia sektoreita, joilla tehtäviä päästövä- hennyksiä työssä tutkitaan, ovat liikenne, maatalous, lämmitys, työkoneet, jätehuolto sekä F-kaasut. Päästöjen rajoittaminen annetulle tasolle tulisi tehdä minimikustannuk- sin, jotta yhteiskunnan resursseja voitaisiin hyödyntää mahdollisimman kustannuste- hokkaasti. Toisaalta mikäli päästövähennyksille sallittavaa kustannustasoa voidaan nostaa, on tällöin mahdollista saavuttaa annettua tavoitetta suurempia päästövähennyksiä, kun toteutetaan kustannustehokkaita vähennyskeinoja. Asetettuja tavoitteita ei voida saavuttaa toteuttamalla yksittäisiä vähennyskeinoja ja työssä pyritään etsimään useista

(8)

vähennyskeinoista koostuvia kustannustehokkaita portfolioita, joilla asetetut tavoitteet saavutetaan mahdollisimman pienin kustannuksin. Keinon kustannustehokkuutta voidaan mitata selvittämällä, kuinka suuret kustannukset aiheutuvat vähennettyä hiilidiok- sidiekvivalenttia kohden päästövähennyskeinon vaikutusaikana. Vähennyskeinoilla saavutettavat päästövähennykset ja niiden kustannukset ovat kuitenkin epävarmoja, minkä vuoksi päästövähennyskeinoista koostuvalla portfoliolla on riski olla saavuttamatta en- nakoitua päästövähenemää tai ylittää arvioidut kustannukset. Työssä tutkitaan, kuinka suuria nämä riskit ovat eri päästövähennystasoja vastaavissa portfolioissa ja miten pääs- tökiintiöillä käytävä kauppa vaikuttaa riskien suuruuteen.

(9)

2. Menetelmät

Työssä muodostettiin stokastinen optimointimalli, jonka avulla voidaan tutkia vuotuisten päästöjen kehitystä ja vähennysmahdollisuuksia aikavälillä 2010–2020. Mallilla pyritään löytämään keinoportfolio, joka minimoi kustannusten nykyarvon odotusarvon.

Mallissa päätösmuuttujina käytetään toimien aloitusvuosia ja optimaalinen portfolio koostuu tällöin aikavälillä 2010–2020 aloitettavista vähennystoimista ja niiden aloitusajankohdista. Kustannusten nykyarvon laskennassa korkokantana käytetään viittä prosenttia. Vuosina 2013–2020 voidaan hyödyntää ajallisia joustomekanismeja, jolloin jäsenmaat voivat tasapainottaa päästöjen vuosivaihtelua siirtämällä päästöjä seuraavalle vuodelle määrän, joka vastaa viittä prosenttia kyseisen vuoden päästökiintiöstä. Päästö- vähennyskeinojen vaikutuksia muille kuin ei-PK-sektorille ei ole huomioitu ja siten vaikutukset esimerkiksi LULUCF:lle on jätetty mallissa huomioimatta.

Mallissa tarkastellaan 17 itsenäisen päästövähennyskeinon toteuttamista tai toteuttamatta jättämistä kyseisellä aikavälillä. Tarkasteltuja vähennyskeinoja ovat esimerkiksi öljykattiloiden korvaaminen käyttöiän lopussa, metsätähdedieselin käytön lisääminen liikenteen polttoaineena sekä kaatopaikkajätteestä muodostuvan metaanin talteenoton tai hapetuksen määrän lisääminen. Mallissa epävarmuutta liittyy perusurapäästöihin, päästövähennyskeinoilla saavutettaviin päästövähenemiin ja niiden kustannuksiin. Epä- varmuus on kuvattu mallissa todennäköisyysjakaumien avulla siten, että jakauman leveys kuvaa epävarmuuden suuruutta. Epävarmuudet aiheutuvat esimerkiksi energian markkinahintojen sekä päästöjen muodostumiseen vaikuttavien muuttujien, kuten lii- kennesuoritteiden ja päästökertoimien, ennusteiden epävarmuudesta.

Taustamuuttujien epävarmuuksien vaikutus lopputuloksiin on määritetty Monte Car- lo -menetelmän avulla. Menetelmä valitsee jokaisesta mallin satunnaismuuttujan ja- kaumasta satunnaisluvun ja laskee näiden satunnaislukujen perusteella lopputulokset.

Laskenta toistetaan kymmeniä tuhansia kertoja valiten aina uudet satunnaisluvut, jolloin saadaan eri lähtötietoja hyödyntävien lopputulosten joukko. Mallissa satunnaismuuttujat oletetaan toisistaan riippumattomiksi raakaöljyn ja dieselin hintaa lukuun ottamatta.

Menetelmällä voidaan selvittää siten satunnaislukuja ja useita simulaatioita käyttäen,

(10)

2. Menetelmät

millaisia jakaumia toteutuvat päästövähennykset ja kokonaiskustannusten nykyarvo noudattavat.

Työssä on tarkasteltu lisäksi erikseen tilannetta, jossa jäsenmaat voivat käydä kauppaa ei-PK-sektorin päästökiintiöillä¹. Taulukossa 1 on esitetty arvioita, joiden perusteella mallissa on muodostettu jakauma, joka kuvaa hintaa jolla Suomi voisi ostaa tai myy- dä päästökiintiöitä. Hinta vuonna 2020 noudattaa tällöin symmetristä normaalijakaumaa keskiarvolla 54 €/t CO2 ja keskihajonnalla 30 €/t CO2.

Taulukko 1. Päästökiintiön hintaennusteet vuodelle 2020.

Päästökiintiön hinta-arvio [€/t CO2]

Lähde

105 (Böhringer ym., 2009) 63 (Bernard & Vielle, 2009)

44 (Ekholm, 2010a)

4 (European Comission, 2010)

Mallissa useimpien muuttujien epävarmuutta on kuvattu satunnaiskulun avulla muodostetun levenevän todennäköisyysjakauman avulla. Satunnaiskululla tarkoitetaan stokas- tista tulevaisuusprojektiota, jolle tarkasteltavan arvon erotus kahden vuoden välillä on ennaltamäärätyn todennäköisyysjakauman mukainen. Tällöin muuttujan arvo kehittyy satunnaisesti ajan myötä. Esimerkkinä tästä kuvassa 1 on esitetty seitsemän raakaöljyn mahdollista kehityskulkua esittävää aikasarjaa, ja kuvassa 2 on esitetty seitsemän eri- laista, perusuran mukaista henkilöautoilla tehtävän ajosuoritteen kehittymistä ajan funktiona vuosina 2000–2020.

1 Ei-PK-sektorin päästötavoitteihin voidaan käyttää myös Kioton sopimuksen määrittelemiä CER- ja ERU- päästövähennysyksiköitä rajallisesti, vuosittain 3 % vuoden 2005 päästötasosta, ja lisäksi vähiten kehitty- vistä maista ylimääräisen 1 % verran VER-yksiköitä (Päätös 406/2009/EC). Vaikka työssä tarkastellaan lähtökohtaisesti jäsenmaiden välistä päästökauppaa ei-PK-sektorin kiintiöillä, voidaan tämän päästökau- pan tulkita käsittävän myös CER- ja ERU-kiintiöiden oston. Tällöin on kuitenkin hyvä huomioida, että ny- kyinen CER- ja ERU-kiintiöiden markkinahinta on merkittävästi alempi kuin mallissa käytetyn hinnan kes- kiarvon (54 €/t CO2 vuonna 2020) nykyarvo 5 % diskonttokorolla.

(11)

0 5 10 15 20 25 30

2000 2005 2010 2015 2020 2025

Vuosi

Hinta [€/GJ]

Kuva 1. Esimerkkejä raakaöljyn hinnan mahdollisista kehityskuluista mallissa.

30000 35000 40000 45000 50000 55000 60000 65000

2000 2005 2010 2015 2020 2025

Vuosi

Suorite [Milj.ajon.km/a]

Kuva 2. Esimerkkejä henkilöautojen ajosuoritteen mahdollisista kehityskuluista mallissa.

Kuten kuvista 1 ja 2 nähdään, historiallinen kehitys (ennen vuotta 2010) tunnetaan, mutta tästä eteenpäin tehtyihin ennusteisiin liittyy sitä suurempi vaihteluväli mitä kauempa- na tulevaisuudessa olevia arvoja tarkastellaan.

Mallilla muodostettujen portfolioiden kustannuksiin ja saavutettuihin päästövä- henemiin liittyy epävarmuuksia, joita työssä tutkitaan. Tällöin löydettävään portfolioon

(12)

2. Menetelmät

liittyville riskeille voidaan määrätä sallitut ylärajat asettamalla optimoinnissa rajoitusehtoja päästöjen tai kustannusten vaihtelulle, ja tutkia, millaisia vaikutuksia rajoituksilla on optimaalisen portfolion ominaisuuksiin. Ilman riskeihin liittyviä rajoitusehtoja opti- mointi suoritetaan kuitenkin päästöjen ja kustannusten odotusarvojen perusteella ja täl- löin voidaan odotusarvoiltaan optimaalisista portfolioista muodostaa Pareto-tehokkaiden portfolioiden joukko. Pareto-käyrän pisteet ovat sellaisia portfolioita, joissa syntyvien päästöjen odotusarvoa ei voida pienentää kasvattamatta kustannusten odotusarvoa.

Mallilla saatavien tulosten perusteella tutkitaan, kuinka usein kukin keino esiintyy Pa- reto-tehokkaissa portfolioissa. Lisäksi Pareto-käyrän avulla arvioidaan, millaiset marginaaliset kustannukset kullekin päästötasolle liittyvät. Marginaalikustannusten ja päästö- kiintiön hinnan erotus kertoo, milloin päästövähennyksiä ei enää välttämättä kannata tehdä kansallisilla vähennystoimilla vaan ostamalla päästöoikeuksia muilta jäsenmailta.

Lopuksi työssä tehdään saaduille tuloksille herkkyysanalyysi, jonka perusteella voidaan tunnistaa optimaalisten portfolioiden kustannusten ja päästömäärien epävarmuuksien merkittävimmät aiheuttajat.

(13)

3. Päästölähteet ja -vähennyskeinot

Mallissa päästövähennyskeinot on kuvattu suoritettavaksi täydessä potentiaalisssaan, minkä vuoksi eri portfolioilla saavutettavat päästövähennykset jakautuvat diskreetisti.

Keinot on pyritty rajaamaan siten, etteivät ne vaikuta päällekkäisesti saman päästöläh- teen päästöihin, tai mahdollisten päällekäisyyksien vaikutukset on kyetty huomioimaan mallissa. Tällöin keinot voidaan toteuttaa tai jättää toteuttamatta muista keinoista riip- pumatta. Tämän lisäksi keinot oletetaan peruuttamattomiksi. Vähennyskeinon, joka vaatii aloitusvuonna alkuinvestointeja, kustannukset lasketaan sille vuodelle, jona toimi aloitetaan, vaikka keinon avulla voidaan vähentää päästöjä myös tulevina vuosina. Täl- laisten keinojen päästövähennykset jaetaan kuitenkin useammalle vuodelle, jotta pääs- tömääriä hyödyntävissä laskuissa on käytössä oikeat vuotuiset päästömäärät.

3.1 Liikenne

Liikennesektorin päästöt aiheutuvat fossiilisten polttoaineiden käytöstä. Tässä työssä liikenteen päästöt jaetaan henkilöautoliikenteeseen ja raskaaseen liikenteeseen, joka muodostuu paketti-, kuorma- ja linja-autojen päästöistä. Henkilöautoliikenteen osalta tarkasteltavia päästövähennyskeinoja ovat autojen polttoainetehokkuuden parantaminen ja biopolttoaineiden osuuden lisääminen käytetystä polttoaineesta. Lisäksi tarkastellaan henkilöautoilla tehtävän suoritteen ja siten päästöjen vähentämistä kevyen liikenteen ja joukkoliikenteen käytön edistämisellä. Raskaan liikenteen päästövähennyskeinoina tarkastellaan fossiilisten polttoaineiden korvaamista maakaasun ja biopolttoaineiden käy- tön lisäämisellä.

Tieliikenteen perusurapäästöt lasketaan LIISA-laskentajärjestelmässä esitettyjen suoritteiden perusuran avulla. Perusuraan on kuitenkin lisätty satunnaiskulun avulla leve- nevä epävarmuutta kuvaava jakauma. Ensirekisteröitävien henkilöautojen päästöker- toimen perusura on muodostettu siten, että päästökerroin kehittyy lineaarisesti vuosien 2009 ja 2020 välillä. Vuoden 2020 ensirekisteröityjen autojen päästökerroin on laskettu LIISA-laskentajärjestelmässä ilmoitettujen henkilöautojen kokonaispäästöjen ja henki- löautoilla tehdylle suoritteelle muodostetun perusuran mukaan, kun on huomioitu las-

(14)

3. Päästölähteet ja -vähennyskeinot

kentajärjestelmässä ilmoitettu eri-ikäisten autojen osuus tehdystä suoritteesta (Mäkelä ym. 2009). Vuoden 2009 ensirekisteröityjen autojen päästökertoimena on käytetty arvoa 157,3 CO2 g/km (AKE). Raskaan liikenteen osalta päästöjen arvioinnissa on käytetty LIISA-laskentajärjestelmässä ilmoitettuja päästökertoimia (Mäkelä ym., 2009). Sekä henkilöautojen että raskaan liikenteen päästökertoimien perusurille on muodostettu le- venevä jakauma satunnaiskulun avulla. Mallissa on oletettu lisäksi, että eri-ikäisillä autoilla tehtävien suoritteiden osuudet pysyvät koko tarkasteltavalla aikavälillä LIISA- laskentajärjestelmän tuloksia vastaavina. Henkilöautojen keskimääräiseksi käyttöiäksi on oletettu 20 vuotta. (Mäkelä ym., 2009)

EU:n tavoite vuonna 2020 rekisteröitävien uusien henkilöautojen polttoainetehokkuu- desta on 95 g CO2/km. Polttoainetehokkuuden paraneminen on mallissa kuvattu siten, että hybridiautojen osuus ensirekisteröitävistä autoista kasvaa niin, että EU:n tavoite täyttyy jokaisena vuotena. Tällöin tavallisten ensirekisteröitävien autojen päästökerroin kehittyy perusuran mukaisesti ja hybridiautojen päästökertoimeksi kaikille vuosille on arvioitu 89,3 CO2 g/km. Keinon kustannukset on mallissa arvioitu vertaamalla tavallisen bensiinimoottorilla toimivan auton ja hybridiauton ostosta ja käytöstä aiheutuvia kustannuksia. Tavallisen auton hinnaksi on arvioitu 23 500 € ja hybridiauton hinnaksi 27 000 €, kun bensiini- ja hybridiautojen vertailussa on käytetty Toyota Auriksen hintoja (Toyota). Bensiiniauton kulutukseksi arvioidaan 0,066 l/km ja hybridiauton kulutukseksi 0,038 l/km. Auton vuotuinen keskiarvoinen käyttö on laskettu LIISA- laskentajärjestelmän tietojen perusteella. Tällöin keinon päästövähennyskustannus voidaan laskea ostohinnan ja polttoainekustannusten aiheuttamien investointien nykyarvon erotuksena, kun huomioidaan autojen aiheuttamat erilaiset päästöt.

EU:n tavoitteen mukaan vuonna 2020 henkilöautoilla tehtävissä liikennesuoritteissa biopolttoaineen osuus on 10 %. Työssä tehdyssä tarkastelussa oletettiin, ettei biopolttoaineiden käytöstä aiheudu päästöjä ei-PK-sektorille ja mikäli toimi aloitetaan, vähenty- vät päästöt suhteellisesti yhtä paljon niin henkilöliikenteessä kuin raskaassakin liiken- teessä. Keinon päästövähennys on arvioitu siten, että toimen aloittamisvuodesta alkaen päästöt vähenevät lineaarisesti niin, että vuonna 2020 päästöt ovat biopolttoaineen li- säämisen vuoksi 10 % perusurapäästöjä pienemmät. Keinon kustannukset on arvioitu korvattavan fossiilisen polttoaineen, joka muodostetussa mallissa vastaa dieseliä, ja korvaavan polttoaineen, jona on työssä tarkasteltu metsätähdedieseliä, hintojen erotuksesta.

Biopolttoaineen käytön lisäämisen lisäksi raskaassa liikenteessä voidaan päästöjä vä- hentää myös lisäämällä maakaasun käyttöä kuorma- ja linja-autojen polttoaineena. Mal- lissa on arvioitu, että maakaasun käytön edistämisellä päästöjä voidaan vähentää 85 prosenttiin perusuran mukaisesta päästömäärästä, kun laskennassa on huomioitu diesel- ja maakaasumoottoreiden erilaiset hyötysuhteet. Keinon kustannukset muodostuvat maakaasun ja dieselin hinnan erotuksesta.

(15)

Kulutuksen ohjauskeinona tarkastellaan joukkoliikenteen ja kevyen liikenteen lisää- mismahdollisuuksia, joilla voitaisiin vähentää henkilöautoilla tehtävää liikennesuoritetta korvaamalla fossiilisia polttoaineita hyödyntävä kulkutapa päästöttömällä tai vähäpääs- töisemmällä vaihtoehdolla. Joukkoliikenteen ja kevyen liikenteen edistämistä käsitel- lään mallissa yhtenä vähennyskeinona, jolla saavutettava päästövähennys on arvioitu vuotuisena vähennysprosenttina, joka mahdollisten muiden keinojen vaikutusten huo- mioinnin jälkeen vähennetään toteutuvista päästöistä, kun keino on toteutettu. Liikenne- ja viestintäministeriön ilmastopoliittisessa ohjelmassa arvioidaan, että joukkoliikenteen edistämisellä päästöjä voidaan vähentää vuosittain 0,15 Mt CO2-ekv ja kevyen liikenteen edistämisellä 0,12 Mt CO2-ekv (LVM 2009). Mallissa käytetty keinon vähennys- prosentti on arvioitu laskemalla, kuinka suuren osuuden ilmastopoliittisessa ohjelmassa arvioidut vuotuiset vähenevät päästöt muodostavat ilmastopoliittisessa ohjelmassa käy- tetystä perusurasta kunakin vuotena. Keinon kustannukset on arvioitu ilmastopoliittisen ohjelman perusteella siten, että kustannukset ovat 15 miljoonaa euroa vuonna 2010, 20 miljoonaa euroa vuonna 2011, 32 miljoonaa euroa vuosina 2012–2015 ja 50 miljoonaa euroa vuonna 2020. (LVM, 2009). Vuosina 2015–2020 kustannusten on arvioitu kehit- tyvän lineaarisesti.

3.2 Lämmitys

Työssä tarkastellaan lämmitykseen liittyviä suoria päästökaupan ulkopuolisten sektoreiden päästöjä ja erityisesti sitä, miten kuluttajien tekemää lämmitysmuotojen valintaa voidaan ohjata vähemmän päästöjä tuottavaan suuntaan. Lämmityksen päästöt aiheutuvat tällöin fossiilisten polttoaineiden (polttoöljy) käytöstä ja työssä tärkeimpinä vähen- nyskeinoina tarkastellaan öljykattiloiden korvaamista vähemmän päästöjä tuottavilla vaihtoehdoilla käyttöiän lopussa tai ennenaikaisesti. Vaihtoehtoisina lämmitysmuotoina mallissa tarkastellaan maalämpöä, vesi- ja ilmalämpöä, suoraa sähkölämmitystä sekä fossiilisen öljyn korvaamista bioöljyllä. Nämä vaihtoehtoiset lämmitysmuodot arvioidaan mallissa päästöttömiksi päästökaupan ulkopuoliselle sektorille, vaikka ne voivat- kin lisätä päästöjä päästökauppa- ja LULUCF-sektorilla.

Mallissa öljykattiloiden lukumääräksi oletetaan vuonna 2010 noin 230 000 (Öljyalan keskusliitto) ja öljylämmityksen kokonaispäästöiksi 1,53 Mt CO2-ekv. Tällöin kattilan keskimääräiseksi vuotuiseksi päästöksi saadaan 6,67 t CO2-ekv. Öljykattiloiden päästöjä kuvaava perusura on tehty satunnaiskulun avulla leveneväksi siten, että vuoden 2020 perusurapäästöt noudattavat normaalijakaumaa hajonnalla 20 %. Mallissa öljykattiloi- den keskimääräiseksi käyttöiäksi oletetaan 20 vuotta ja nykyisen laitekannan ikäja- kauma tasaiseksi. Lisäksi oletetaan, ettei lämmitystarve merkittävästi muutu eri vuosina, joten kattiloiden vuotuiset päästöt pysyvät vakiona.

Mallissa tarkastellaan jokaisena laskentavuotena käytössä olevien öljykattiloiden määrää ja ikäjakaumaa. Jokaisen vuoden lopussa vanhenee siis ikäjakauman perusteella

(16)

laskettu määrä öljykattiloita. Käyttöiän lopuksi öljykattila voidaan poistaa käytöstä ja korvata lämmitystarve vaihtoehtoisella lämmitysmuodolla. Vaihtoehtoisina lämmitys- muotoina mallissa tarkastellaan maalämpöä, vesi- ja ilmalämpöä, suoraa sähkölämmi- tystä sekä fossiilisen öljyn korvaamista bioöljyllä. Toisaalta öljykattila voidaan myös uusia, jolloin vanheneva kanta korvataan kokonaisuudessaan uusilla öljykattiloilla. Öl- jykattiloiden uusiminen ja vaihtoehtoisten lämmitysmuotojen käyttö aiheuttaa alkuinvestointeja ja käyttökustannuksia, joista mallissa käytetyt arviot on esitetty taulukossa 2.

Mallissa tehdään eri lämmitysmuotojen kustannusoptimointi kuluttajan näkökulmasta ja optimoinnin tuloksen perusteella päätetään, mikä lämmitysmuoto valitaan korvaamaan koko vanhenevaa kattilakantaa vastaava lämmitystarve. Mikäli vanhenevat öljykattilat päätetään uusia, lisätään tämä määrä kattilakantaan uusien öljykattiloiden ikäluokkaan.

Taulukko 2. Lämmitysmuotojen kustannukset ja ominaisuudet.

Lämmitysmuoto Investointikustannus

[€/laite] Käyttöikä

[v] Kulutus/laite

[GJ/v] Hyötysuhde

Öljy 6000 20 73 1

Bioöljy 6000 20 73 1

Sähkö 2000 20 73 1

Ilma-vesilämpö 5000 20 73 2

Maalämpö 9000 20 73 3

Käyttöiän lopussa tehtävän korvaamisen sijaan voidaan korvata myös koko kattilakanta ennenaikaisesti muilla lämmitysmuodoilla. Tällöin aikaistetaan vaihtoehtoisiin lämmi- tysmuotoihin liittyviä investointeja. Koska kattilakanta arvioidaan aluksi tasajakautu- neeksi, korvataan ennenaikaisesti keskimäärin 10 vuotta vanhoja kattiloita. Mallissa ennenaikaisen korvaamisen aiheuttamat kustannukset suoritetaan mallissa toimen aloitusvuonna. Vältetyt päästöt jakautuvat mallissa kuitenkin siten, että jokaisena vuotena vältetään päästöt, jotka korvattu kapasiteetti olisi käytössä aiheuttanut.

3.3 Jätehuolto

Pitkän aikavälin ilmasto- ja energiastrategiassa esitetty arvio päästökauppaan kuulumat- toman jätehuollon vuoden 2005 päästöistä on 2,46 Mt CO₂-ekv, joista 90 % arvioidaan aiheutuvan kaatopaikoilta vapautuvasta metaanista (TEM, 2008; Tilastokeskus, 2010).

Työssä tarkastellaan jätehuollon päästövähennyskeinoina orgaanisen aineksen kaatopaikkasijoituksen täyskieltoa, kaatopaikkojen metaanin talteenoton kehittämistä ja metaanin hapetusta. Tuotetun jätemäärän pienentäminen riippuu kulutustottumusten lisäksi myös materiaalitehokkuuden ja tekniikan kehittymisestä. Kaatopaikalle päätyvän bioha- joavan jätteen määrää voidaan pienentää jätteiden lajittelun ja kompostoinnin avulla.

(Huhtinen ym., 2007)

(17)

Hapettamista käytetään yleensä pienemmillä kaatopaikoilla, kun suuremmille kaato- paikoille soveltuu käytettäväksi kaatopaikkakaasun talteenotto. Tuhkanen on raportis- saan Jätehuollon merkitys Suomen kasvihuonekaasupäästöjen vähentämisessä arvioinut, että pienten kaatopaikkojen pintakerroksessa tapahtuvan metaanin hapetuksen päästö- vähennyskustannus on noin 15–20 €/t CO2-ekv ja keinolla voidaan vähentää noin 50 prosenttia syntyvästä metaanista. Kaatopaikkakaasun talteenoton päästövähennyskus- tannukseksi Tuhkanen on arvioinut noin 2,5–5 €/t CO2-ekv ja saanto syntyvästä metaanista on noin 70 prosenttia. (Tuhkanen ym., 2002) Metaanin hapetukselle ja talteenoton vähennyspotentiaaleille on muodostettu arviot Tuhkasen ilmoittamien lukujen sekä Tilastokeskuksen kasvihuonekaasuinventaarissa kuvattujen laskemien perusteella (Ti- lastokeskus, 2010). Metaanin hapetuksen investointikustannusten arvioidaan mallissa noudattavan tasajakaumaa välillä 158–237 M€. Metaanin talteenoton investointikustannusten arvioidaan jakautuvan tasaisesti välille 35,3–60,2 M€.

Mallissa kaatopaikkasijoituksen täyskiellon kustannusten on arvioitu noudattavan tasajakaumaa välillä 0–50 €/t CO2-ekv (Monni ym., 2006). Keinon vähennyspotentiaalin laskemisessa on hyödynnetty Valtakunnallisessa jätesuunnitelmassa ilmoitettuja, eri menetelmin käsiteltävien orgaanisten aineiden perusuria (Huhtinen ym. 2007) hyödyn- täen Tilastokeskuksen kasvihuonekaasuinventaarissa kuvattuja menetelmiä (Tilastokes- kus 2010).

3.4 Maatalous

Maatalouden päästöjä syntyy karjan ruuansulatuksen tuottamasta metaanista, lannan käsittelyn metaanista ja dityppioksidista sekä maaperän dityppioksidista, jotka aiheutuvat muun muassa lannoitteiden käytöstä (Tilastokeskus 2010). Suomen maatalouden päästövähennyskeinojen ja -kustannusten tiedot sisältävät melko suurta epävarmuutta.

Työssä kustannustehokkaiksi vähennyskeinoiksi on kuitenkin arvioitu lannan käsittely- menetelmien kehittäminen lannan mädätyksen ja kompostoinnin avulla. Tarkastelu teh- dään erikseen karja-, sika- ja siipikarjatilojen osalta, koska tilan tyypillä on vaikutus päästövähennyspotentiaaliin sekä niitä vastaaviin kustannuksiin. Keinojen vähennyspo- tentiaalit on mallissa laskettu arvioimalla eri lajien eläinmäärien kehitys vuoteen 2020 asti Tilastokeskuksen laatimien aiempien vuosien eläinmääriä kuvaavien tilastojen perusteella (Tilastokeskus 2010). Erilaisilla tilatyypeillä tehtävän lannan käsittelyn pääs- tövähennysprosentit perusurasta lasketaan arvioimalla eri eläinlajien päästöjen osuutta kaikkien eläinten päästöistä. Työssä arvioidaan, että märehtijöiden tuottamia päästöjä voidaan lannankäsittelyllä vähentää noin 46 prosenttia lannankäsittelyn perusurasta.

Sikatiloilla lannankäsittelyn perusurasta saavutettavaksi vähennykseksi arvioidaan noin 33 % ja siipikarjatiloilla noin 17 %. Kunkin eläinlajin tuottamaa päästöä kuvaava kerroin on laskettu jakamalla Tilastokeskuksen ilmoittamat, vuoden 2008 eri eläinlajien kokonaispäästöt eläinten määrällä. (Tilastokeskus, 2010)

(18)

Maatalouden perusurapäästöt jaetaan mallissa märehtijöiden, lannankäsittelyn ja maatalousmaiden päästöiksi. Perusurassa märehtijöiden tuottamat päästöt vuonna 2020 ovat 1,34 Mt CO2-ekv, lannankäsittelyn 0,78 Mt CO2-ekv ja maatalousmaiden 3,35 Mt CO2- ekv. Perusurassa näiden lähteiden epävarmuus muodostetaan satunnaiskulun avulla siten, että vuonna 2020 perusurapäästöt noudattavat normaalijakaumaa keskihajonnalla 10 %. Keinon päästövähennyskustannuksen laskemisessa käytetään Hagströmin ym.

esittämiä arvioita tilan keskimääräisestä koosta ja vuosituloksesta. (Hagström ym. 2005) Lannankäsittelyn vähennyskustannukseksi karjatilojen osalta saadaan tällöin 98,5 €/t CO2-ekv. Vastaavaa laskentaa ja Hagströmin ym. arvioita käyttäen sikatilan lannankä- sittelyn vähennyskustannukseksi saadaan 38,9 €/t CO2-ekv ja siipikarjatilan vähennys- kustannukseksi 1,8 €/t CO2-ekv. (Hagström ym. 2005)

3.5 Työkoneet

Työkoneiden aiheuttamat päästöt päästökaupan ulkopuoliselle sektorille aiheutuvat fossiilisten polttoaineiden käytöstä. Mallissa työkoneiden päästöjen perusura noudattaa Työkoneiden päästömallin (TYKO 2006) perusuraa. Tällöin vuoden 2020 perusurapääs- töt ovat 2,7 Mt CO2-ekv. ja mallissa on lisäksi arvioitu, että vuoden 2020 päästöt noudattavat normaalijakaumaa hajonnalla 10 %. Vuodesta 2010 alkaen tasaisesti levenevä epävarmuutta kuvaava jakauma muodostetaan satunnaiskulun avulla. Työkoneiden tär- keimpänä päästövähennyskeinona tarkastellaan biopolttoaineiden käytön lisäämistä.

Pitkän aikavälin ilmasto- ja energiastrategiassa on esitetty kaksi vaihtoehtoista politiikkatoimea. Ensimmäisen mukaan vuonna 2020 biokomponentin osuus työkoneissa käy- tettävästä nostetaan 10 prosenttiin. Toinen politiikkatoimi sisältää tavoitteen, jonka mukaan 100 prosenttia työkoneissa käytettävästä dieselistä ja 10 prosenttia bensiinistä olisi vuonna 2020 biopolttoainetta. (YM 2008) Tässä työssä on arvioitu, ettei dieselin täy- dellinen korvaaminen biopolttoaineilla vuoteen 2020 mennessä ole enää realistista ja tämän vuoksi on tarkasteltu pelkästään ensimmäistä politiikkatoimea. Päästökaupan ulkopuolisella sektorilla biopolttoaineen ajatellaan olevan päästötöntä, joten keinolla voidaan pienentää työkoneiden aiheuttamia vuoden 2020 päästöjä 10 prosenttia.

Mallissa keinon kustannukset lasketaan dieselin ja biopolttoaineen hintojen erotuksesta korvattavalle polttoaineelle. Biopolttoaineen ja dieselin hinnan kehitykselle on laadit- tu ennuste, jota käsitellään tarkemmin kappaleessa Energian hintaennusteet. Biopoltto- aineen tuotantoon ja käyttöön liittyvistä kustannuksista ei ole kuitenkaan vielä riittävästi tietoa markkinahinnan kehityksen tarkkaan ennustamiseen ja keinon kustannukset sisäl- tävätkin huomattavaa epävarmuutta.

(19)

3.6 F-kaasut

Työssä F-kaasupäästöjä kuvataan perusuralla, jonka mukaan vuoden 2020 päästöt ovat 0,626 Mt CO2-ekv. Perusurapäästöjen epävarmuus muodostetaan satunnaiskulun avulla siten, että vuonna 2020 perusurapäästöt noudattavat normaalijakaumaa keskihajonnalla 20 %. Perusurapäästöt muodostuvat kaupan kylmälaitteiden, rakennusten ilmastoinnin ja lämpöpumppujen, teollisuuden kylmälaitteiden sekä ajoneuvojen ilmastoinnin käytön seurauksena. Päästövähennyskeinoina on siten tarkasteltu näiden lähteiden päästöjen vähentämistä korvaavien laitteiden ja tuotteiden markkinoille saattamista edistämällä.

Päästövähennyspotentiaalit on arvioitu siten, että kaupan kylmälaitteiden osuus perus- urapäästöistä on 50 prosenttia, rakennusten ilmastoinnin ja lämpöpumppujen osuus 17 prosenttia, teollisuuden kylmälaitteiden osuus 12 prosenttia ja ajoneuvojen ilmastoinnin osuus 10 prosenttia. Päästölähteiden osuudet on laskettu Alajan vuodelle 2020 esittämi- en ennusteiden perusteella (Alaja, 2009).

Mallissa on käytetty Alajan kokoamien arvioiden keskimääräisiä päästövähennyskus- tannuksia. Tällöin kaupan kylmälaitteiden vähennyskustannukset ovat 19 €/t CO2-ekv, rakennusten ilmastoinnin ja lämpöpumppujen vähennyskustannukset 74 €/ t CO2-ekv, teollisuuden kylmälaitteiden vähennyskustannukset 46 €/t CO2-ekv ja ajoneuvojen ilmastoinnin vähennyskustannukset 85 €/t CO2-ekv. (Alaja, 2009)

3.7 Energian hintaennusteet

Mallissa monen vähennyskeinon kustannukset riippuvat polttoaineiden hintakehitykses- tä, minkä vuoksi niille on mallissa muodostettu ennusteet. Arviot esimerkiksi raakaöljyn hinnan tulevasta kehityksestä vaihtelevat kuitenkin suuresti. Työssä käytettiin raakaöl- jyn verottoman, vuoden 2020 hinnasta IEA:n esitettyjä ennusteita, jotka on esitetty taulukossa 3. (IEA, (WEO), 2009; EIA, 2010). Ennusteiden perusteella on sovitettu vuoden 2020 raakaöljyn hintaa kuvaava normaalijakauma. Hintakehitystä on kuvattu satunnaiskulun avulla siten, että vuoden 2010 raakaöljyn hintaan ei liity epävarmuutta, mutta vuoden 2020 hintaan liittyy. Tällöin välille muodostetaan satunnaiskulun avulla muodostettu ennuste, jossa epävarmuutta kuvaava jakauma levenee tasaisesti siten, että vuonna 2020 se vastaa ennusteiden perusteella muodostettua normaalijakaumaa. Mallis- sa dieselin hinnan on arvioitu kehittyvän raakaöljyn hintakehitystä seuraten siten, että diesel arvioidaan aiemman tutkimuksen perusteella 20 % raakaöljyä kalliimmaksi. Die- selin ja raakaöljyn markkinahintojen suoraa riippuvuutta käytetään, koska hintojen his- toriatietojen perusteella laskettu korrelaatio on korkea (R²= 99 %). (Ekholm 2010b)

(20)

Taulukko 3. Raakaöljyn maailmanmarkkinahinnan ennusteita vuodelle 2020,

Skenaario Hinta [dollaria/barreli]

EIA, Low (EIA, 2010) 51

EIA, Reference (EIA, 2010) 120

EIA, High (EIA, 2010) 215

WEO 2009 Reference (IEA, 2009) 100 WEO 2009 450 ppm (IEA, 2009) 90

Maakaasun hinnalle vuonna 2020 on muodostettu normaalijakauma kirjallisuudessa esitettyjen arvioiden perusteella muodostamalla historiallisten hintatietojen perusteella lineaarinen sovite hinnan kehittymiselle aikavälillä 2010–2020. Tällöin mallissa vuoden 2010 hinta on 7,2 €/GJ ja vuonna 2020 odotusarvoisesti 10,7 €/GJ. (Energiamarkkinavi- rasto). Maakaasulle muodostetaan raakaöljyn tavoin satunnaiskulun avulla levenevä jakauma siten, että vuoden 2020 hintaan liittyvä hajonta on noin 10 %.

Mallissa metsätähdedieselin hinta on muodostettu metsähakkeen hinnan ja metsätäh- dedieselin tuotantokustannusten summana. Mallissa on käytetty kaikille vuosille metsä- tähdedieselin tuotantokustannuksista arviota 9,3 €/GJ ja tuotannon hyötysuhteeksi 60 % (McKeough ym., 2008). Työssä kustannukset noudattavat normaalijakaumaa, jonka hajonta on 10 %. Metsähakkeen hinnalle on muodostettu ennuste käyttämällä Vapon ilmoittamia hintatietoja vuosille 2000–2005 (Vapo, 2006) ja vuosille 2008–2010 Pöyryn ilmoittamia hintoja (Pöyry, puupolttoaineiden hintaseuranta). Aiempien hintatietojen perusteella muodostetaan lineaarisesti kehittyvä ennuste tulevien vuosien hinnalle. Näin saadaan vuodelle 2020 hinnan odotusarvoksi 7,53 €/GJ. Vuosille 2010–2020 muodostetaan satunnaiskulun avulla levenevä jakauma siten, että vuodelle 2020 ennustettu hinta noudattaa normaalijakaumaa, jonka hajontana on 10 %.

Työssä vuodelle 2020 käytetty sähkön hintaennuste perustuu aiemmissa tutkimuksissa vuoden 2030 hintaennusteisiin sovitettuun jakaumaan (Forsström ym., 2010). Tällöin mallissa satunnaiskulun avulla saatu vuoden 2020 hintaa kuvaava jakauma noudattaa normaalijakaumaa keskiarvolla 56 €/MWh ja keskihajonnalla 8,5 €/MWh.

(21)

4. Tulokset

Kuvassa 3 on esitetty mallilla muodostettu päästökaupan ulkopuolisten sektoreiden perusuran mukaisten kokonaispäästöjen kuvaaja luottamusväleineen ajan funktiona. Li- säksi kuvassa on esitetty, kuinka päästöjen tulisi tavoitteen mukaisesti vähentyä vuoteen 2020 mennessä, mikäli päästöjen vähentäminen aloitetaan vuonna 2010.

27 29 31 33 35 37 39

2008 2010 2012 2014 2016 2018 2020 2022

Vuosi

Ei-PKS-päästöt [Mt CO2-ekv.]

97,5 % Hajonta + Keskiarvo Hajonta - 2,5%

Tavoite

Kuva 3. Suomen ei-PK-sektorin päästöjen perusura mallissa ja EU:n asettama tavoite. Perus- urapäästöjen odotusarvon kehitys on esitetty käyrällä ”keskiarvo”. Käyrät ”hajonta +” ja ”hajonta –”

kuvaavat väliä, jolla päästöt ovat kunakin vuonna todennäköisyydellä 68 %. Vastaavasti perus- urapäästöt ovat käyrien ”2,5 % ” ja ”97,5 % ” välillä todennäköisyydellä 95 %. Kuvassa punaisella on esitetty päästötavoitteen mukainen päästöjen kehittyminen.

Kuvasta 3 nähdään, että vuodesta 2010 eteenpäin ennustettuihin perusurapäästöihin liittyy epävarmuutta, joka on esitetty ajan funktiona levenevänä jakaumana. Kuvasta 3

(22)

4. Tulokset

huomataan myös, ettei perusuralla saavuteta vuodelle 2020 asetettua tavoitetta ja perus- urapäästöjen odotusarvo on vuonna 2020 noin 6 Mt CO2-ekv enemmän kuin tavoite.

Vuotuisten vähennystavoitteiden täyttämisessä on mahdollista käyttää ajallisia joustomekanismeja, joten vuosille 2013–2020 vähennystavoite on kumulatiivinen. Mallilla lasketun perusuran luottamusväli on melko leveä. Perusuran päästöt sisältävät siis mer- kittävää epävarmuutta, mikä vaikuttaa myös päästövähennyskeinojen, joiden vähennys- potentiaaleissa on käytetty perusuran päästöjä, avulla toteutuvien päästövähennysten epävarmuuteen.

Työssä tutkitaan, millaisista toteutettavista vähennyskeinoista aloitusajankohtineen muodostuvat porfoliot ovat Pareto-tehokkaita tilanteessa, jossa päästövähennykset on tehtävä kansallisin vähennystoimin ja tilanteessa, jossa vuonna 2020 voidaan hyödyntää jäsenmaiden välistä joustomekanismia päästökiintiöillä käytävästä kaupasta. Lisäksi tutkitaan, millaisia epävarmuuksia Pareto-tehokkaiden portfolioiden kustannuksiin ja niillä saavutettaviin päästövähennyksiin liittyy ja ovatko epävarmuudet erilaisia eri tilanteissa. EU:n Suomelle asettaman vähennystavoitteen saavuttamisen todennäköisyyttä ja sen riippuvuutta kustannusten nykyarvosta tutkitaan portfolioiden, joissa päästövä- hennykset saavutetaan kansallisin vähennystoimin, osalta. Lisäksi tarkastellaan, voi- daanko portfoliolla saavutettaviin päästövähennyksiin liittyvää riskiä pienentää, jos sal- litaan kustannusten odotusarvon nouseminen.

Toteutettaviksi valitut keinot voivat muuttua, mikäli päästökiintiöillä voidaan käydä kauppaa jäsenmaiden välillä vuosina 2013–2020. Toteutettavien keinojen valinnan li- säksi tutkitaan, millaiset portfoliot ovat kustannusten minimoinnin kannalta optimaalisia tilanteessa, jossa päästökiintiöillä voidaan käydä kauppaa ja tilanteessa, jossa vähennyk- set tehdään vähennystoimin. Optimaalisten portfolioiden ominaisuuksia vertaillaan kustannusten ja saavutettavien päästövähennysten odotusarvojen ja epävarmuuksien näkö- kulmasta. Lisäksi verrataan, miten toteutettavat keinot ja aloitusajankohdat eroavat näis- sä optimaalisissa portfolioissa.

4.1 Optimaaliset portfoliot ominaisuuksineen, kun huomioituna vain ajalliset joustot

Kuvassa 4 on esitetty mallilla saatavat, kustannusten ja päästömäärien odotusarvojen perusteella optimaaliset portfoliot, kun päästöoikeuksilla käytävää kauppaa ei ole huomioitu. Kuvaa 4 vastaavassa tilanteessa on kuitenkin voitu hyödyntää ajallisia joustoja.

(23)

-1000 0 1000 2000 3000 4000 5000

-50 -40 -30 -20 -10 0 10 20 30 40

Tavoitteen ylitys [Mt CO2-ekv]

Kustannusten nykyarvo [M€]

Kuva 4. Kustannustehokkaiden päästövähennysportfolioiden kumulatiivinen päästötavoitteen ylitys välillä 2013-2020 sekä portfolion kustannusten nykyarvo välillä 2013–2020. Valituille port- folioille on esitetty 68% luottamusvälit punaisella ja 95% luottamusväli sinisellä. Käyrän pääte- pisteet kuvaavat porfolioita, joissa ei aloiteta mitään vähennystoimia tarkasteluvälillä (vasem- manpuolimmaisin piste), tai jossa kaikki toimet aloitetaan 2010 (oikeanpuolimmainen piste).

Tavoite saavutetaan odotusarvoisesti noin 860 M€ kustannusten nykyarvolla.

Kuvassa 4 x-akselina on päästötavoitteen kumulatiivinen ylitys, joka kuvaa, kuinka paljon enemmän päästöjä on kumulatiivisesti vähennetty verrattuna vuosille 2013–2020 asetettuun tavoitteeseen. Pisteet, joilla on negatiivinen tavoitteen ylityksen arvo, ovat siten portfolioita, joilla asetettua tavoitetta ei odotusarvoisesti saavuteta. Kuvassa y- akselina on portfolion kokonaiskustannusten nykyarvo. Pisteillä on esitetty optimoinnil- la löydettyjen Pareto-tehokkaiden portfolioiden kustannusten ja tavoitteen ylityksen odotusarvot. Lisäksi kuvaan on merkitty neljään portfolioon kustannusten ja tavoitteen ylityksen epävarmuusvälit, kun käytetään 68 prosentin (punaisella) ja 95 prosentin (sini- sellä) luottamusvälejä.

Optimaalisten portfolioiden lisäksi kuvassa on esitetty portfolio, jossa mitään vähen- nystoimea ei aloiteta tarkasteltavalla aikavälillä ja tämä vastaa pistettä, jossa kumulatii- visesta tavoitteesta jää puuttumaan odotusarvoisesti noin 31 Mt CO2-ekv. Kuvassa tavoitteen ylitystä 17 Mt CO2-ekv vastaa tilanne, jossa kaikki vähennystoimet aloitetaan vuonna 2010. Toisena käyrän päätepisteenä on esitetty portfolio, jonka tavoitteen ylitys on noin -1 Mt CO2-ekv ja josta tehtäviä päästövähennystoimia ei voida enää vähentää siten, että vuotuiset tavoitteet täyttyisivät.

(24)

4. Tulokset

Kustannusten epävarmuus ei merkittävästi muutu eri päästötasoilla kuten kuvasta 4 havaitaan. Lisäksi huomataan, että kustannusten jakauma on vino siten, että pitempi häntä on odotusarvoa pienempien kustannusten suuntaan. Tällöin voidaan päätellä, että kustannusten odotusarvon ylitys on lyhyellä välillä ja siten kustannusten ylitys ei toden- näköisesti ole suuri. Toisaalta kuvasta huomataan, että pienillä kustannustasoilla suh- teellinen hajonta odotusarvoon verrattuna on suurempi kuin suuremmilla kustannustasoilla, koska poikkeaman suuruus pysyy lähes vakiona kaikissa tarkasteltavissa portfolioissa.

Kuvasta 4 huomataan, ettei saavutettujen päästövähennysten epävarmuus merkittäväs- ti muutu eri päästötasoilla. Toisaalta havaitaan myös, että tavoitteen ylitystä kuvaavien päästöjen vaihtelu on jakautunut symmetrisesti odotusarvon ympärille lähes normaalijakaumaa noudattaen. Vaihteluvälin pituus on lähes sama kaikissa portfolioissa, joten tavoitteen ylityksen suuremmilla tasoilla odotusarvoon verratut suhteelliset vaihtelut ovat pienempiä kuin pienemmällä tavoitteen ylityksen tasolla. Kuvasta 4 huomataan myös, että kaikilla portfolioilla on 95 %:n luottamusvälillä riski olla saavuttamatta pääs- tötavoitetta, koska niiden luottamusväleihin sisältyy myös negatiivisia tavoitteen ylityksen arvoja. Toisaalta tarkastelun perusteella on myös mahdollista saavuttaa merkittäviä tavoitteen ylityksiä, koska luottamusvälit ovat pitkiä myös positiivisen x-akselin suuntaan.

Tehokkaiden portfolioiden muodostaman Pareto-käyrän derivaatta, joka kuvaa margi- naalisia vähennyskustannuksia, on kuvan 4 perusteella kasvava päästövähennysten mää- rän kasvaessa. Marginaaliset vähennyskustannukset kasvavat vähennettyjen päästöjen kasvaessa, koska portfolioihin valitaan kullakin päästötasolla kustannustehokkaimmat, ts. marginaalikustannuksiltaan pienimmät päästövähennyskeinot.

Kuvasta 4 havaitaan, että Pareto-tehokkaita portfolioita yhdistävä käyrä on rosoinen². Koska tällöin käyrän derivaatta vaihtelee pisteiden välillä merkittävästi ollen välillä positiivinen ja välillä negatiivinen, käyrälle tehtiin keskimääräisen derivaatan arvioimi- seksi sileä sovite. Sovitteen derivaatan avulla voidaan arvioida, miten marginaaliset vähennyskustannukset kehittyvät vähennettyjen päästöjen funktiona. Tasoittamisessa käytetään kernel-menetelmää, jolla muodostetaan lähimpiä havaintoarvoja painottaen tasoitettu sovite. Sopiva ikkunan leveys määrätään tällöin kokeilemalla siten, että eri leveyksiä vastaavia kuvaajia verrataan alkuperäisiin porfolioiden sijaintiin. Tällöin saadaan kuvan 5 mukainen sovite. Kernel-menetelmässä ikkunan leveytenä on käytetty arvoa 2,7 Mt CO2-ekv..

2 Mallissa keinot toteutetaan kokonaan tai ei lainkaan, minkä vuoksi eri portfolioiden odotusarvot voivat saada vain tiettyjä arvoja eikä pinnalle siksi voida muodostaa jatkuvaa derivaattaa.

(25)

0 500 1000 1500 2000 2500

0 2 4 6 8 10 12 14 16

Tavoitteen ylitys [Mt CO2]

Kustannusten nykyarvo [M€]

Silotettu Pareto-käyrä Alkuperäiset portfoliot

Kuva 5. Kustannustehokkaiden portfolioiden päästötavoitteen ylitys ja kustannusten nykyarvo sekä portfolioista Kernel-menetelmällä laskettu sileä sovite, kun päästövähennykset saavutetaan kansallisin vähennyskeinoin ajallisia joustoja hyödyntäen. Kuvassa x-akselina päästötavoit- teen kumulatiivinen ylitys ja y-akselina koko portfolion aiheuttamien kustannusten nykyarvo välillä 2013-2020.

Tasoitetun Pareto-käyrän perusteella lasketaan marginaalikustannukset käyrän kahden toisiaan lähellä olevan pisteen välille muodostetun suoran kulmakertoimen avulla. Vä- hennysten marginaalikustannukset on kuvassa 6 esitetty vuosien 2013–2020 päästöta- voitteen kumulatiivisen ylityksen funktiona.

(26)

4. Tulokset

0 20 40 60 80 100 120 140

0 1 2 3 4 5 6 7 8 9 10

Tavoitteen ylitys [Mt CO2]

Päästövähennyskustannus [€/t CO2]

Kuva 6. Kustannustehokkaista portfolioista arvioitu marginaalinen päästövähennyskustannus kumulatiivisen tavoitteen ylityksen funktiona, kun alkuperäisten portfoliopisteiden välinen käyrä on siloitettu Kernel-menetelmällä kuvan 5 mukaisesti.

Kuvasta 6 nähdään, että päästövähennyskustannukset kasvavat, kun tavoitteen ylitys ja siten vähennettyjen päästöjen määrä kasvaa. Tällöin voidaan päätellä, että Pareto- tehokkaissa portfolioissa valitaan keinot kustannustehokkuuden määräämässä järjestyk- sessä. Lisäksi huomataan, että käyrän derivaatta kasvaa lähes kaikkialla, kun tavoitteen ylitys kasvaa. Tällöin keinojen vähennyskustannukset kasvavat suhteellisesti enemmän, kun tavoitteen ylityksen taso kasvaa. Kun tavoitteen ylitys on välillä 3–5 Mt CO₂-ekv, huomataan, että kuvan 6 käyrällä on paikallinen minimi. Minimi syntyy, koska opti- mointi tehdään kokonaiskustannusten minimoinnin kannalta kullakin tavoitteen ylityksen tasolla. Tällöin voi yksittäisissä tapauksissa olla edullisempaa toteuttaa päästövä- hennyskeinoja, jotka eivät ole muihin valittaviin keinoihin nähden kaikkein edullisim- pia, mutta joilla tavoite saavutetaan täsmällisemmin.

(27)

0 500 1000 1500 2000 2500 3000 3500 4000 4500

0 % 20 % 40 % 60 % 80 % 100 % Tavoitteen saavuttamisen todennäköisyys

Kustannusten nykyarvon odotusarvo [M€

-35 -25 -15 -5 5 15

0 % 20 % 40 % 60 % 80 % 100 % Tavoitteen saavuttamisen todennäköisyys Tavoitteen ylityksen odotusarvo [Mt CO2 ekv]

Kuva 7. Kustannustehokkaiden portfolioiden todennäköisyys saavuttaa päästötavoite ja odotusarvot portfolioihin liittyvistä kumulatiivisen päästötavoitteen ylityksistä sekä kokonaiskustannusten nykyarvosta.

Kuvassa 7 on esitetty edellä tarkasteltujen optimaalisten portfolioiden todennäköisyyttä saavuttaa vuodelle 2020 asetettu päästötavoite. Todennäköisyys on esitetty kumulatiivisen tavoitteen ylityksen sekä kustannusten nykyarvon odotusarvon funktiona. Odotusar- voisesti (vastaa tässä 50 % todennäköisyyttä) tavoitteen saavuttava optimiportfolio vastaisi nettonykyarvoltaan noin 860 M€ kustannustasoa välillä 2010–2020. Mikäli tavoitteen saavuttamistodennäköisyys halutaan nostaa esimerkiksi tasolle 68 %, vastaisi tämä odotusarvoisesti päästötavoitteen 5 Mt CO2-ekv. kumulatiivista ylitystä ja 990 milj. € kustannustasoa. Tätä suuremmilla todennäköisyyden arvoilla kustannukset nousevat nopeasti. Erityisesti todennäköisyyden 80 % jälkeen käyrä on jyrkästi nouseva eli pieni- kin todennäköisyyden kasvattaminen vaatii suhteellisen suuria kustannuksia. Kuvasta 7 havaitaan siten, että kustannukset, joilla voidaan pienentää riskiä olla saavuttamatta asetettua tavoitetta, nousevat, kun tavoitteen saavuttamisen todennäköisyys kasvaa.

Kuvan 7 todennäköisyyskäyrän suurin arvo vastaa tilannetta, jossa kaikki toimet aloitetaan vuonna 2010. Tällöin todennäköisyys saavuttaa tavoite on noin 94 %, joten kaik- kiin portfolioihin, jotka mallilla voidaan muodostaa, liittyy riski olla saavuttamatta asetettua tavoitetta. Käyrän minimiä vastaa tilanne, jossa mitään vähennyskeinoa ei toteuteta tarkasteltavalla aikavälillä. Todennäköisyys saavuttaa asetettu tavoite toteuttamatta mitään tarkasteltua vähennyskeinoa on noin 0,4 %. Vähennyskeinojen toteuttaminen tavoitteen saavuttamiseksi on siten välttämätöntä saatujen tulosten perusteella.

Kuvassa 8 on esitetty, kuinka monessa tarkastellussa portfoliossa kukin keino esiintyy eri vuosina. Kuvassa 8 on esitetty, kuinka monessa Pareto-tehokkaassa portfoliossa keino tarkasteltavina vuosina toteutetaan tai on toteutettu jo aiemmin.

(28)

4. Tulokset

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

Öljykattiloiden korvaaminen käyttöiän lopussa Kaatopaikkojen CH4 talteenotto Maakaasu raskaassa

liikenteessä Kaupan kylmälaitteiden

kehittäminen

Kaatopaikkojen CH4 hapetus Öljykattiloiden ennenaikainen

korvaaminen Rakennusten ilmastointi ja

lämpöpumput

Lannan mädätys ja kompostointi.

siipikarjatila Metsätähdediesel liikenteessä Lannan mädätys ja kompostointi.

sikatila Teollisuuden kylmälaitteiden

kehittäminen

Lannan mädätys ja kompostointi.

karjatila Metsätähdediesel työkoneissa Ajoneuvojen ilmastoinnin

kehittäminen Joukkoliikenteen ja kevyen

liikenteen edistäminen Autojen polttoainetehokkuuden

kehittäminen hybriditekniikalla Orgaanisen aineksen kaatopaikkasijoituksen täyskielto

Esiintymis- todennäköisyys

0,8-1 0,6-0,8 0,4-0,6 0,2-0,4 0-0,2

Kuva 8. Keinojen esiintymistodennäköisyys tehokkaissa portfoliossa eri vuosina, kun vähennyk- set tehtävä kansallisin vähennyskeinoin vain ajallisia joustomekanismeja hyödyntäen. Värit kuvaavat sitä, kuinka monessa portfoliossa kukin keino eri vuosina toteutetaan tai on toteutettu jo aiemmin.

Kuvasta 8 havaitaan, että jotkin keinot toteutetaan lähes jokaisessa portfoliossa aikavä- lin alussa. Toisaalta mallissa tarkasteltujen vähennyskeinojen joukossa on myös keinoja, joita ei toteuteta lainkaan tai vain muutamassa tarkastelussa optimaalisessa portfoliossa.

Tällaisten keinojen vähennyskustannusten voidaan arvioida olevan tällöin huomattavasti suuremmat kuin useammin valituiksi tulleiden keinojen. Kuvassa 8 esitetyt tulokset kuvaavat siten eräällä tavalla eri keinojen kustannustehokkuuden eroja.

Kuvasta 8 huomataan, että lähes kaikissa Pareto-tehokkaissa portfolioissa toteutetaan öljykattiloiden korvaaminen käyttöiän lopussa, kaatopaikkojen metaanin talteenoton lisääminen sekä maakaasun käytön lisääminen raskaassa liikenteessä. Kustannustehok- kaita ja siten usein optimaalisissa portfolioissa esiintyviä keinoja ovat myös metsätäh-